Escolha um estado do sul ou sudeste do Brasil e analise o número de casos de óbitos de alguma doença no ano de 2019, como câncer de mama no estado do Rio de Janeiro. Os dados estão disponíveis em http://tabnet.datasus.gov.br.
## [1] 2.590255e-05
##
## Monte-Carlo simulation of Moran I
##
## data: df$prop
## weights: ww
## number of simulations + 1: 10000
##
## statistic = 0.031152, observed rank = 8968, p-value = 0.1032
## alternative hypothesis: greater
##
## Call:
## c("inla(formula = MORTES ~ 1 + taxa_anal + IDHM + f(id_area, model =
## \"iid\"), ", " family = \"poisson\", data = df, E = df$E_i,
## control.compute = list(dic = TRUE, ", " waic = TRUE), control.predictor
## = list(compute = TRUE))" )
## Time used:
## Pre = 0.83, Running = 3.37, Post = 0.59, Total = 4.79
## Fixed effects:
## mean sd 0.025quant 0.5quant 0.975quant mode kld
## (Intercept) -1.055 1.609 -4.503 -0.951 1.816 -0.736 0
## taxa_anal -5.409 3.874 -12.929 -5.438 2.267 -5.496 0
## IDHM 1.729 2.001 -1.844 1.600 6.014 1.337 0
##
## Random effects:
## Name Model
## id_area IID model
##
## Model hyperparameters:
## mean sd 0.025quant 0.5quant 0.975quant mode
## Precision for id_area 18641.55 19191.65 23.88 12626.14 70342.46 6.43
##
## Expected number of effective parameters(stdev): 3.63(3.41)
## Number of equivalent replicates : 136.66
##
## Deviance Information Criterion (DIC) ...............: 529.57
## Deviance Information Criterion (DIC, saturated) ....: 305.86
## Effective number of parameters .....................: 3.27
##
## Watanabe-Akaike information criterion (WAIC) ...: 532.21
## Effective number of parameters .................: 5.62
##
## Marginal log-Likelihood: -272.56
## Posterior marginals for the linear predictor and
## the fitted values are computed
Interprete os parâmetros estimados do modelo da letra e.
Qual a diferença entre as taxas do modelo bayesiano e a taxa de mortalidade padronizada?